BAB 1 PENDAHULUAN. 1.1 Latar Belakang

Ukuran: px
Mulai penontonan dengan halaman:

Download "BAB 1 PENDAHULUAN. 1.1 Latar Belakang"

Transkripsi

1 BAB 1 PENDAHULUAN 1.1 Latar Belaang Model Loglinier adalah salah satu asus husus dari general linier model untu data yang berdistribusi poisson. Model loglinier juga disebut sebagai suatu model statisti yang berguna untu menentuan depedensi (ecenderungan) antara beberapa variabel yang bersala ategori. Variabel didefinisian sebagai suatu yang beragam atau bervariasi dan sala ategori merupaan transformasi fungsi nilai dari empat sala uuran observasi yang ada yaitu sala nominal, ordinal, rasio dan interval. Dengan pendeatan loglinier anga anga dalam sel dapat disusun dalam tabel ontingensi. Tabel ontingensi digunaan jia terdapat lebih dari satu variabel ategori, yang mana biasanya data disajian dalam daftar baris dan olom. Variabel ategori yang ada dianalisis dengan mengambil nilai logaritma natural dari freuensi untu setiap sel dalam tabel ontingensi. Dari tabel ontingensi yang terbentu, model loglinier aan menggambaran pola asosiasi atau hubungan yang terjadi antar variabel. Model loglinier tida hanya dapat digunaan untu menganalisis hubungan yang terjadi antar dua variabel ategori, tetapi juga dapat digunaan untu mengevaluasi tabel ontingensi multifator yang meliputi tiga variabel atau lebih. Model loglinier sangat bergantung pada jumlah variabel yang aan dianalisis. Penggunaan variabel yang dibahas pada penulisan ini dielompoan pada dua jenis yaitu variabel dependen dan variabel independen. Variabel dependen adalah variabel yang eberadaannya dipengaruhi oleh variabel lainnya. Sedangan variabel independen yaitu variabel yang bebas (tida dipengaruhi oleh variabel lainnya).

2 Analisis loglinier digunaan untu menganalisis pola hubungan antar seelompo variabel ategori yang mencaup mulai dari asosiasi satu variabel, asosiasi dua variabel, asosiasi tiga variabel atau lebih, bai secara simultan maupun secara parsial. Pola hubungan antar variabel dapat dilihat dari interasi antar variabel itu sendiri, termasu emunginan adanya hubungan sebab aibat atau hubungan ausal diantara variabel variabel yang ada. Dalam model loglinier, terdapat suatu asumsi bahwa semua variabel yang diselidii mempunyai status yang sama sebagai suatu variabel dependen. Dengan ata lain, tida ada pembedaan yang dibuat antara variabel dependen dan variabel independen arena model loglinier hanya menunjuan depedensi (ecenderungan) antar variabel. Andaian terdapat pembedaan yang dibuat antara satu atau lebih variabelnya yang diperlauan sebagai variabel independen dan variabel lainnya sebagai variabel dependen, maa penggunaan analisis yang sesuai ialah dengan analisis Regresi Logisti. Analisis Regresi Logisti digunaan untu mempredisi variabel yang bersifat ategori (biasanya diotomis) oleh seperangat variabel independen (Jeansonne, 00). Analisis model loglinier bergantung pada jumlah variabel dependen yang termuat di dalamnya. Untu penulisan ini aan diuraian tentang model loglinier yang membahas analisis hubungan antara tiga variabel yang disebut dengan analisis trivariat. Model seperti ini disebut juga sebagai model loglinier tiga fator. Model loglinier tiga fator memuat semua parameter yang mungin dan tida dapat dimasui oleh parameter parameter lainnya. Model seperti ini disebut sebagai model lengap. Secara umum model loglinier tiga fator dapat ditulis sebagai beriut (Agresti, 1990): log mˆ X i j Z X ij XZ i Z j XZ Setelah jumlah variabel ategori diselidii, pembentuan model loglinier penting untu diteliti yang berguna untu menentuan ecocoan model yang memperhatian ada atau tidanya interasi antar variabel. Hal ini menjadi penting

3 arena tida semua interasi fator model bai tingat -fator maupun 3-fator yang ada pada model lengap menjadi signifian dalam suatu model yang dihasilan. Tentunya aan menjadi suatu permasalahan jia semua interasi dimasuan secara sealigus dalam model tanpa mengetahui terlebih dahulu ecocoan dari interasi fator model yang ada sebelum membentu suatu model yang memang tepat dan signifian setelah melalui uji ecocoan modelnya. Dalam hal ini aan dilauan teni pemodelan loglinier yang aan digunaan sebagai perbandingan dalam pemilihan metode yang lebih bai dalam membentu model permasalahan. Jenis prosedur yang penulis gunaan dalam penyelesaian pemodelan loglinier terbagi pada dua jenis, yaitu prosedur yang memaai metode Hiraris Bacward dan prosedur pemodelan yang menggunaan metode Forward. Untu eperluan analisis data yang memuat hubungan tiga variabel dengan menggunaan sala ategori difousan pada bagaimana penentuan model dengan melauan pengujian terhadap interasi fator model bai tingat -fator maupun 3- fator dengan menggunaan uji goodness of fit model G untu menguji ecocoan modelnya. Pengolahan data dilauan dengan software SPSS 15.0 for Windows. 1. Rumusan Masalah Masalah yang aan dibahas dalam penulisan ini ialah melauan prosedur pemodelan loglinier menggunaan metode Hiraris Bacward dan metode Forward, emudian membandingan edua metode dalam hal mendapatan suatu model ahir yang menggambaran hubungan antar variabel yang diselidii. 1.3 Batasan Masalah Ruang lingup dari penulisan ini dibatasi pada melauan suatu teni pemodelan loglinier menggunaan metode Hiraris Bacward dan metode Forward dengan uji rasio lielihood G untu menguji ecocoan modelnya.

4 1.4 Tujuan Penelitian Tujuan penulisan ini adalah melauan prosedur pemodelan loglinier menggunaan metode Hiraris Bacward dan metode Forward dan membandingan edua metode tersebut untu dipilih sebagai metode yang yang lebih bai dalam membentu model. 1.5 Kontribusi Penelitian Hasil penulisan ini adalah: 1. Dapat menerapan analisis tabel ontingensi dan metode pemodelan loglinier yang ada untu penyelesaian permasalahan yang beraitan dengan berbagai bidang ehidupan agar lebih mudah diolah, sehingga jelas tujuannya.. Dengan penulisan ini penulis berharap dapat menambah referensi bagi pembaca yang dapat digunaan sebagai alat untu menglasifiasian data yang ingin diteliti dalam memutusan suatu masalah. 1.6 Metodologi Penelitian Dalam penulisan ini penulis melauan studi dengan meneliti buu-buu yang membahas mengenai model loglinier dan metode Hiraris Bacward dan Forward dalam hal pemodelannya, yaitu: 1. Mengumpulan dan mempelajari buu-buu yang beraitan dengan materi penulisan.. Menentuan jumlah variabel ategori yang aan diselidii sebelum dilauan prosedur pemodelan. 3. Menguraian perbedaan penyelesaian pemodelan loglinier menggunaan metode yang ada.

5 4. Pemodelan dilauan melalui suatu proses selesi sampai model ahir terbentu yang mana setiap ali variabel dihapus maupun ditambahan pada model, dilauan pengujian terhadap interasi fator model bai tingat -fator maupun 3-fator menggunaan uji rasio lielihood melihat p-value yang dihasilan untu menguji ecocoan modelnya. G dan 5. Menyelesaian contoh permasalahan untu memilih metode yang lebih bai dalam membentu suatu model. 1.7 Tinjauan Pustaa Model loglinier merupaan perluasan bentu logaritma natural dari freuensi untu setiap sel sama dengan mean (onstan, mu) ditambah parameter lambda untu memperiraan pengaruh independen pertama, ditambah dengan lambda untu setiap independen lain, ditambah lambda untu semua efe interasi bai itu efe interasi -fator, 3-fator ataupun efe interasi untu order yang lebih tinggi sesuai dengan jumlah independen sehingga model seperti ini sering disebut juga sebagai model lengap (chass.ncsu.edu, 3 Otober 010). Secara umum model lengap untu tiga variabel ategori dapat ditulis sebagai beriut (Agresti, 1990): dengan: log mˆ (1) X i j Z X ij log mˆ = Logaritma dari freuensi sel XZ i Z j XZ = onstanta atau rata rata logaritma seluruh sel X i = Parameter pengaruh variabel pertama yang e-i terhadap model j = Parameter pengaruh variabel edua yang e-j terhadap model Z = Parameter pengaruh variabel etiga yang e- terhadap model X ij = Parameter pengaruh interasi variabel pertama yang e-i dengan

6 variabel edua yang e-j terhadap model XZ i = Parameter pengaruh interasi variabel pertama yang e-i dan variabel etiga yang e- terhadap model Z j = Parameter pengaruh interasi variabel edua yang e-j dan variabel etiga yang e- terhadap model XZ = Parameter pengaruh interasi variabel pertama yang e-i, variabel edua yang e-j dan variabel etiga yang e- terhadap model Dengan pendeatan loglinier anga anga dalam sel dapat disusun dalam tabel ontingensi. Friendly (000) menyataan tabel ontingensi digunaan etia terdapat lebih dari satu variabel ategori, yang mana biasanya data disajian dalam daftar baris dan olom. Bentu penyajian dalam daftar baris dan olom ini biasanya disebut daftar ontingensi. Analisis tabel ontingensi ini merupaan teni penyusunan data yang cuup sederhana untu melihat hubungan antar variabel dalam satu tabel. Untu menginterpretasian data pada tabel ontingensi, salah satu yang dapat digunaan adalah dengan uji Chi-Square. Uji Chi-Square dilambangan dengan, yang digunaan untu mengetahui adanya hubungan antara variabel yang diuur signifian atau tida. Dalam hal ini analisis variabel yang diuur sebanya tiga variabel atau yang disebut sebagai analisis trivariat. Hipotesis yang berlau untu etiga variabel yang independen dengan asumsi tida terdapat interasi antar variabel, yaitu: H : P 0 Pi.. P. j. P.. H : P 1 Pi.. P. j. P.. Statisti uji Chi-Square yang digunaan untu menguji hubungan antar variabel dapat dirumusan sebagai beriut: i j mˆ () mˆ Sedangan uji Rasio Lielihood untu model independen juga dapat dirumusan:

7 G ln mˆ i j (3) dengan: mˆ = Observasi pada variabel i, j, dan = Freuensi yang diharapan untu degree of freedom adalah (I-1)(J-1)(K-1) dan diambil = 0,05 Kriteria uji: Tola H 0 jia atau G hitung ; df dan terima H 0 jia hitung < df ; dengan ata lain model log mˆ diterima. X i j Z Pencarian Solusi Pencarian solusi permasalahan pemodelan loglinier dapat dilauan dengan menentuan suatu model secara flesibel dan mendalam serta memilih variabel independen secara inlusif dengan tepat. Hal ini memunginan untu menemuan variabel independen yang terbai yang dapat dipaai serta melihat pada ecocoan model yang memperhatian ada atau tidanya interasi antar variabel. Dalam hal ini dapat menggunaan beberapa metode yang aan digunaan sebagai perbandingan dalam pemilihan metode yang lebih bai dalam membentu suatu model ahir. Metode metode itu diantaranya adalah metode iteratif Hiraris Bacward, Forward dan lain lain. 1) Metode Hiraris Bacward Pemodelan loglinier dengan metode Hiraris Bacward aan membentu model hiraris yang menyataan hubungan dalam umpulan data dengan tepat. Dilauan

8 dengan menyelesi model lengap dan mulai menghapus interasi yang lebih tinggi sampai uji ecocoan dari model menjadi tida dapat diterima lagi berdasaran standar probabilitas atau p-value yang diadopsi oleh penyidi. Model lengap mencaup semua emunginan efe interasi bai itu efe interasi -fator maupun 3-fator sesuai dengan jumlah variabel yang diselidii dalam penelitian ini. Dimana setiap ali variabel dihapus dilauan uji statisti untu menentuan aurasi predisinya dengan membandingan uji rasio lielihood 14, November 010). G dengan ; df (Chapter ) Metode Forward Penggunaan metode forward yang digunaan dalam penelitian ini menggunaan dua cara yang berbeda namun prinsipnya hampir sama. Agresti (1990) menjelasan pengerjaan metode ini dimulai dengan dibentunya model independen dan menambahan istilah interasi yang lebih omples sampai suatu hasil uji fit diterima yang tida dapat ditingatan dengan menambahan peraturan lebih lanjut. Dengan ata lain, metode ini memilih variabel terlemah hingga teruat secara bertahap. Friel (005) menjelasan pemodelan loglinier dengan metode forward dilauan dengan dibentunya model sederhana (model order nol) emudian menambahan efe order pertama, order edua, dan order etiga untu diuji ecocoan datanya.

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA 2.1. Statisti Inferensia Tujuan statisti pada dasarnya adalah melauan desripsi terhadap data sampel, emudian melauan inferensi terhadap data populasi berdasaran pada informasi yang

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar belakang

BAB 1 PENDAHULUAN. 1.1 Latar belakang BAB PENDAHULUAN. Latar belaang Metode analisis yang telah dibicaraan hingga searang adalah analisis terhadap data mengenai sebuah arateristi atau atribut (jia data itu ualitatif) dan mengenai sebuah variabel,

Lebih terperinci

BAB III METODE SCHNABEL

BAB III METODE SCHNABEL BAB III METODE SCHNABEL Uuran populasi tertutup dapat diperiraan dengan teni Capture Mar Release Recapture (CMRR) yaitu menangap dan menandai individu yang diambil pada pengambilan sampel pertama, melepasan

Lebih terperinci

PENYELESAIAN PERSAMAAN LOTKA-VOLTERRA DENGAN METODE TRANSFORMASI DIFERENSIAL. Sutriani Hidri. Ja faruddin. Syafruddin Side, ABSTRAK

PENYELESAIAN PERSAMAAN LOTKA-VOLTERRA DENGAN METODE TRANSFORMASI DIFERENSIAL. Sutriani Hidri. Ja faruddin. Syafruddin Side, ABSTRAK PENYELESAIAN PERSAMAAN LOTKA-VOLTERRA DENGAN METODE TRANSFORMASI DIFERENSIAL Syafruddin Side, Jurusan Matematia, FMIPA, Universitas Negeri Maassar email:syafruddinside@yahoo.com Info: Jurnal MSA Vol. 3

Lebih terperinci

PENYELESAIAN PERSAMAAN LOTKA-VOLTERRA DENGAN METODE TRANSFORMASI DIFERENSIAL SUTRIANI HIDRI

PENYELESAIAN PERSAMAAN LOTKA-VOLTERRA DENGAN METODE TRANSFORMASI DIFERENSIAL SUTRIANI HIDRI PENYELESAIAN PERSAMAAN LOTKA-VOLTERRA DENGAN METODE TRANSFORMASI DIFERENSIAL SUTRIANI HIDRI Jurusan Matematia, FMIPA, Universitas Negeri Maassar Email: nanni.cliq@gmail.com Abstra. Pada artiel ini dibahas

Lebih terperinci

Optimasi Non-Linier. Metode Numeris

Optimasi Non-Linier. Metode Numeris Optimasi Non-inier Metode Numeris Pendahuluan Pembahasan optimasi non-linier sebelumnya analitis: Pertama-tama mencari titi-titi nilai optimal Kemudian, mencari nilai optimal dari fungsi tujuan berdasaran

Lebih terperinci

BAB 3 LANGKAH PEMECAHAN MASALAH

BAB 3 LANGKAH PEMECAHAN MASALAH BAB 3 LANGKAH PEMECAHAN MASALAH 3.1 Penetapan Kriteria Optimasi Gambar 3.1 Bagan Penetapan Kriteria Optimasi Sumber: Peneliti Determinasi Kinerja Operasional BLU Transjaarta Busway Di tahap ini, peneliti

Lebih terperinci

VARIASI NILAI BATAS AWAL PADA HASIL ITERASI PERPINDAHAN PANAS METODE GAUSS-SEIDEL

VARIASI NILAI BATAS AWAL PADA HASIL ITERASI PERPINDAHAN PANAS METODE GAUSS-SEIDEL SEMINAR NASIONAL PENDIDIKAN SAINS Peningatan Kualitas Pembelajaran Sains dan Kompetensi Guru melalui Penelitian & Pengembangan dalam Menghadapi Tantangan Abad-1 Suraarta, Otober 016 VARIASI NILAI BATAS

Lebih terperinci

BAB III ANALISIS DISKRIMINAN. analisis multivariat dengan metode dependensi (dimana hubungan antar variabel

BAB III ANALISIS DISKRIMINAN. analisis multivariat dengan metode dependensi (dimana hubungan antar variabel BAB III ANALISIS DISKRIMINAN 3.1 Pengertian Analisis Disriminan Analisis disriminan merupaan sala satu metode yang digunaan dalam analisis multivariat dengan metode dependensi (dimana ubungan antar variabel

Lebih terperinci

2. Menentukan koleksi inti ubi kayu dan mengevaluasi kebaikan koleksi inti yang diperoleh. METODE. Data

2. Menentukan koleksi inti ubi kayu dan mengevaluasi kebaikan koleksi inti yang diperoleh. METODE. Data 2 2. Menentuan olesi inti ubi ayu dan mengevaluasi ebaian olesi inti yang dieroleh. METODE Data Data yang digunaan dalam enelitian ini berasal dari Kelomo Peneliti Pengelolaan Sumberdaya Geneti (Kelti

Lebih terperinci

BAB 3 METODE PENELITIAN

BAB 3 METODE PENELITIAN 36 BAB 3 METODE PENELITIAN 3.1 Disain Penelitian Jenis penelitian yang digunaan adalah penelitian desriptif, yaitu penelitian terhadap fenomena atau populasi tertentu yang diperoleh peneliti dari subye

Lebih terperinci

TUGAS I RANCANGAN PERCOBAAN BAB I

TUGAS I RANCANGAN PERCOBAAN BAB I TUGAS I RANCANGAN PERCOBAAN Nama : Dwi Shinta Marselina A. Pengertian Desain Esperimen BAB I Desain Esperimen Merupaan langah-langah lengap yang perlu di ambil jauh sebelum esperimen dilauan supaya data

Lebih terperinci

Deret Pangkat. Ayundyah Kesumawati. June 23, Prodi Statistika FMIPA-UII

Deret Pangkat. Ayundyah Kesumawati. June 23, Prodi Statistika FMIPA-UII Keonvergenan Kesumawati Prodi Statistia FMIPA-UII June 23, 2015 Keonvergenan Pendahuluan Kalau sebelumnya, suu suu pada deret ta berujung berupa bilangan real maa ali ini ita embangan suu suunya dalam

Lebih terperinci

4. 1 Spesifikasi Keadaan dari Sebuah Sistem

4. 1 Spesifikasi Keadaan dari Sebuah Sistem Dalam pembahasan terdahulu ita telah mempelajari penerapan onsep dasar probabilitas untu menggambaran sistem dengan jumlah partiel ang cuup besar (N). Pada bab ini, ita aan menggabungan antara statisti

Lebih terperinci

ANALISA STATIK DAN DINAMIK GEDUNG BERTINGKAT BANYAK AKIBAT GEMPA BERDASARKAN SNI DENGAN VARIASI JUMLAH TINGKAT

ANALISA STATIK DAN DINAMIK GEDUNG BERTINGKAT BANYAK AKIBAT GEMPA BERDASARKAN SNI DENGAN VARIASI JUMLAH TINGKAT Jurnal Sipil Stati Vol. No. Agustus (-) ISSN: - ANALISA STATIK DAN DINAMIK GEDUNG BERTINGKAT BANYAK AKIBAT GEMPA BERDASARKAN SNI - DENGAN VARIASI JUMLAH TINGKAT Revie Orchidentus Francies Wantalangie Jorry

Lebih terperinci

II. TINJAUAN PUSTAKA. sebuah teknik yang baru yang disebut analisis ragam. Anara adalah suatu metode

II. TINJAUAN PUSTAKA. sebuah teknik yang baru yang disebut analisis ragam. Anara adalah suatu metode 3 II. TINJAUAN PUSTAKA 2.1 Analisis Ragam (Anara) Untu menguji esamaan dari beberapa nilai tengah secara sealigus diperluan sebuah teni yang baru yang disebut analisis ragam. Anara adalah suatu metode

Lebih terperinci

PENDAHULUAN TINJAUAN PUSTAKA

PENDAHULUAN TINJAUAN PUSTAKA 1 Latar Belaang PENDAHULUAN Sistem biometri adalah suatu sistem pengenalan pola yang melauan identifiasi personal dengan menentuan eotentian dari arateristi fisiologis dari perilau tertentu yang dimilii

Lebih terperinci

BAB 2 TEORI PENUNJANG

BAB 2 TEORI PENUNJANG BAB EORI PENUNJANG.1 Konsep Dasar odel Predictive ontrol odel Predictive ontrol P atau sistem endali preditif termasu dalam onsep perancangan pengendali berbasis model proses, dimana model proses digunaan

Lebih terperinci

Aplikasi diagonalisasi matriks pada rantai Markov

Aplikasi diagonalisasi matriks pada rantai Markov J. Sains Dasar 2014 3(1) 20-24 Apliasi diagonalisasi matris pada rantai Marov (Application of matrix diagonalization on Marov chain) Bidayatul hidayah, Rahayu Budhiyati V., dan Putriaji Hendiawati Jurusan

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belaang Masalah untu mencari jalur terpende di dalam graf merupaan salah satu masalah optimisasi. Graf yang digunaan dalam pencarian jalur terpende adalah graf yang setiap sisinya

Lebih terperinci

KECENDERUNGAN PENGGUNAAN JENIS ALAT KONTRASEPSI PESERTA KB AKTIF PADA KABUPATEN SIDOARJO TAHUN 2009

KECENDERUNGAN PENGGUNAAN JENIS ALAT KONTRASEPSI PESERTA KB AKTIF PADA KABUPATEN SIDOARJO TAHUN 2009 KECENDERUNGAN PENGGUNAAN JENIS ALAT KONTRASEPSI PESERTA KB AKTIF PADA KABUPATEN SIDOARJO TAHUN 009 Furqan Qadarisman, dan Dwiatmono Agus W. Jurusan Statistia Institut Tenologi Sepuluh Nopember (ITS) Surabaya

Lebih terperinci

BAB IV APLIKASI PADA MATRIKS STOKASTIK

BAB IV APLIKASI PADA MATRIKS STOKASTIK BAB IV : ALIKASI ADA MARIKS SOKASIK 56 BAB IV ALIKASI ADA MARIKS SOKASIK Salah satu apliasi dari eori erron-frobenius yang paling terenal adalah penurunan secara alabar untu beberapa sifat yang dimilii

Lebih terperinci

REVITALISASI D A N SOSIALISASI DIRI PENINGKATAN KUALITAS PENELITIAN & PENDIDIKAN MATEMATIKA DI INDONESIA. Seminar Nasional Mahasiswa S3 Matematika

REVITALISASI D A N SOSIALISASI DIRI PENINGKATAN KUALITAS PENELITIAN & PENDIDIKAN MATEMATIKA DI INDONESIA. Seminar Nasional Mahasiswa S3 Matematika ISBN : 978-979-17979-0-0 Prosiding Seminar Nasional Mahasiswa S3 Matematia REVITALISASI D A N SOSIALISASI DIRI UNTUK BERPERAN AKTIF DALAM PENINGKATAN KUALITAS PENELITIAN & PENDIDIKAN MATEMATIKA DI INDONESIA

Lebih terperinci

Penggunaan Induksi Matematika untuk Mengubah Deterministic Finite Automata Menjadi Ekspresi Reguler

Penggunaan Induksi Matematika untuk Mengubah Deterministic Finite Automata Menjadi Ekspresi Reguler Penggunaan Indusi Matematia untu Mengubah Deterministic Finite Automata Menjadi Espresi Reguler Husni Munaya - 353022 Program Studi Teni Informatia Seolah Teni Eletro dan Informatia Institut Tenologi Bandung,

Lebih terperinci

PENGARUH PELAYANAN TERHADAP KEPUASAN TERHADAP KEPUASAN NASABAH UNIT MOTOR S CENTRE FINANCING PLAZA MOTOR DI SAMARINDA

PENGARUH PELAYANAN TERHADAP KEPUASAN TERHADAP KEPUASAN NASABAH UNIT MOTOR S CENTRE FINANCING PLAZA MOTOR DI SAMARINDA PENGARUH PELAYANAN TERHADAP KEPUASAN TERHADAP KEPUASAN NASABAH UNIT MOTOR S CENTRE FINANCING PLAZA MOTOR DI SAMARINDA Adam Husaien Faultas Eonomi Manajemen Unversitas 17 agustus 1945,Samarinda Indonesia

Lebih terperinci

BAB 3 PATTERN MATCHING BERBASIS JARAK EUCLID, PATTERN MATCHING BERBASIS JARAK MAHALANOBIS, DAN JARINGAN SYARAF TIRUAN BERBASIS PROPAGASI BALIK

BAB 3 PATTERN MATCHING BERBASIS JARAK EUCLID, PATTERN MATCHING BERBASIS JARAK MAHALANOBIS, DAN JARINGAN SYARAF TIRUAN BERBASIS PROPAGASI BALIK BAB 3 PATTERN MATCHING BERBASIS JARAK EUCLID, PATTERN MATCHING BERBASIS JARAK MAHALANOBIS, DAN JARINGAN SYARAF TIRUAN BERBASIS PROPAGASI BALIK Proses pengenalan dilauan dengan beberapa metode. Pertama

Lebih terperinci

BAB III MENYELESAIKAN MASALAH REGRESI YANG TIDAK LINIER DENGAN ANALISIS REGRESI FOURIER

BAB III MENYELESAIKAN MASALAH REGRESI YANG TIDAK LINIER DENGAN ANALISIS REGRESI FOURIER BAB III MENYELESAIKAN MASALAH REGRESI YANG TIAK LINIER ENGAN ANALISIS REGRESI FOURIER 3.1 Pengantar Model ARIMA digunaan untu analisis data deret watu pada ategori data berala tunggal, atau sering diategorian

Lebih terperinci

BAB 1 PENDAHULUAN. Universitas Sumatera Utara

BAB 1 PENDAHULUAN. Universitas Sumatera Utara BAB 1 PENDAHULUAN 1.1 Latar Belaang Keadaan dunia usaha yang selalu berubah membutuhan langah-langah untu mengendalian egiatan usaha di suatu perusahaan. Perencanaan adalah salah satu langah yang diperluan

Lebih terperinci

BEBERAPA SIFAT HIMPUNAN KRITIS PADA PELABELAN AJAIB GRAF BANANA TREE. Triyani dan Irham Taufiq Universitas Jenderal Soedirman

BEBERAPA SIFAT HIMPUNAN KRITIS PADA PELABELAN AJAIB GRAF BANANA TREE. Triyani dan Irham Taufiq Universitas Jenderal Soedirman JMP : Volume 4 Nomor 2, Desember 2012, hal. 271-278 BEBERAPA SIFAT HIMPUNAN KRITIS PADA PELABELAN AJAIB GRAF BANANA TREE Triyani dan Irham Taufiq Universitas Jenderal Soedirman trianisr@yahoo.com.au ABSTRACT.

Lebih terperinci

Variasi Spline Kubik untuk Animasi Model Wajah 3D

Variasi Spline Kubik untuk Animasi Model Wajah 3D Variasi Spline Kubi untu Animasi Model Wajah 3D Rachmansyah Budi Setiawan (13507014 1 Program Studi Teni Informatia Seolah Teni Eletro dan Informatia Institut Tenologi Bandung, Jl. Ganesha 10 Bandung 40132,

Lebih terperinci

BAB IV PERHITUNGAN HARGA PREMI BERDASARKAN FUNGSI PERMINTAAN PADA TITIK KESETIMBANGAN

BAB IV PERHITUNGAN HARGA PREMI BERDASARKAN FUNGSI PERMINTAAN PADA TITIK KESETIMBANGAN BAB IV PERHITUNGAN HARGA PREMI BERDASARKAN FUNGSI PERMINTAAN PADA TITIK KESETIMBANGAN Berdasaran asumsi batasan interval pada bab III, untu simulasi perhitungan harga premi pada titi esetimbangan, maa

Lebih terperinci

( s) PENDAHULUAN tersebut, fungsi intensitas (lokal) LANDASAN TEORI Ruang Contoh, Kejadian dan Peluang

( s) PENDAHULUAN tersebut, fungsi intensitas (lokal) LANDASAN TEORI Ruang Contoh, Kejadian dan Peluang Latar Belaang Terdapat banya permasalahan atau ejadian dalam ehidupan sehari hari yang dapat dimodelan dengan suatu proses stoasti Proses stoasti merupaan permasalahan yang beraitan dengan suatu aturan-aturan

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN 3.1 ObjePenelitian Obje penelitian merupaan hal yang tida dapat dipisahan dari suatu penelitian. Obje penelitian merupaan sumber diperolehnya data dari penelitian yang dilauan.

Lebih terperinci

BAB III MODEL KANAL WIRELESS

BAB III MODEL KANAL WIRELESS BAB III MODEL KANAL WIRELESS Pemahaman mengenai anal wireless merupaan bagian poo dari pemahaman tentang operasi, desain dan analisis dari setiap sistem wireless secara eseluruhan, seperti pada sistem

Lebih terperinci

Aplikasi Analisis Korelasi Somers d pada Kepemimpinan dan Kondisi Lingkungan Kerja

Aplikasi Analisis Korelasi Somers d pada Kepemimpinan dan Kondisi Lingkungan Kerja Apliasi Analisis Korelasi Somers d pada Kepemimpinan dan Kondisi Lingungan Kerja terhadap Kinerja Pegawai BKKBN Provinsi Kalimantan Timur The Application of Somers d Correlation Analysis at Leadership

Lebih terperinci

PENERAPAN DYNAMIC PROGRAMMING DALAM WORD WRAP Wafdan Musa Nursakti ( )

PENERAPAN DYNAMIC PROGRAMMING DALAM WORD WRAP Wafdan Musa Nursakti ( ) PENERAPAN DYNAMIC PROGRAMMING DALAM WORD WRAP Wafdan Musa Nursati (13507065) Program Studi Teni Informatia, Seolah Teni Eletro dan Informatia, Institut Tenologi Bandung Jalan Ganesha No. 10 Bandung, 40132

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2.1 Teori Fuzzy 2.1.1 Dasar-Dasar Teori Fuzzy Secara prinsip, di dalam teori fuzzy set dapat dianggap sebagai estension dari teori onvensional atau crisp set. Di dalam teori crisp

Lebih terperinci

PENINGKATAN EFISIENSI & EFEKTIFITAS PENGOLAHAN DATA PERCOBAAN PETAK BERJALUR

PENINGKATAN EFISIENSI & EFEKTIFITAS PENGOLAHAN DATA PERCOBAAN PETAK BERJALUR PENINGKATAN EFISIENSI & EFEKTIFITAS PENGOLAHAN DATA PERCOBAAN PETAK BERJALUR Ngarap Im Mani 1) dan Lim Widya Sanjaya ), 1) & ) Jurs. Matematia Binus University PENGANTAR Perancangan percobaan adalah suatu

Lebih terperinci

Studi dan Analisis mengenai Hill Cipher, Teknik Kriptanalisis dan Upaya Penanggulangannya

Studi dan Analisis mengenai Hill Cipher, Teknik Kriptanalisis dan Upaya Penanggulangannya Studi dan Analisis mengenai Hill ipher, Teni Kriptanalisis dan Upaya enanggulangannya Arya Widyanaro rogram Studi Teni Informatia, Institut Tenologi Bandung, Jl. Ganesha 10 Bandung Email: if14030@students.if.itb.ac.id

Lebih terperinci

Analisis Varians = Analysis of Variance = ANOVA

Analisis Varians = Analysis of Variance = ANOVA . Pendahuluan. Distribusi F Analisis Varians Analysis of Variance ANOVA χ² pengujian beberapa (>) proporsi ANOVA pengujian beberapa (>) nilai rata-rata Dasar perhitungan ANOVA ditetapan oleh Ronald A.

Lebih terperinci

BAB III DESAIN DAN APLIKASI METODE FILTERING DALAM SISTEM MULTI RADAR TRACKING

BAB III DESAIN DAN APLIKASI METODE FILTERING DALAM SISTEM MULTI RADAR TRACKING Bab III Desain Dan Apliasi Metode Filtering Dalam Sistem Multi Radar Tracing BAB III DESAIN DAN APLIKASI METODE FILTERING DALAM SISTEM MULTI RADAR TRACKING Bagian pertama dari bab ini aan memberian pemaparan

Lebih terperinci

Uji Alternatif Data Terurut Perbandingan antara Uji Jonckheere Terpstra dan Modifikasinya Ridha Ferdhiana 1 Statistics Peer Group

Uji Alternatif Data Terurut Perbandingan antara Uji Jonckheere Terpstra dan Modifikasinya Ridha Ferdhiana 1 Statistics Peer Group Uji Alternatif Data Terurut Perbandingan antara Uji Joncheere Terpstra dan Modifiasinya Ridha Ferdhiana Statistics Peer Group Jurusan Matematia FMIPA Universitas Syiah Kuala Banda Aceh, Aceh, 23 email:

Lebih terperinci

SISTEM ADAPTIF PREDIKSI PENGENALAN ISYARAT VOKAL SUARA KARAKTER. Abstrak

SISTEM ADAPTIF PREDIKSI PENGENALAN ISYARAT VOKAL SUARA KARAKTER. Abstrak SISTEM ADAPTIF PREDIKSI PENGENALAN ISYARAT VOKAL SUARA KARAKTER Oleh : Pandapotan Siagia, ST, M.Eng (Dosen tetap STIKOM Dinamia Bangsa Jambi) Abstra Sistem pengenal pola suara atau yang lebih dienal dengan

Lebih terperinci

ANALISIS VARIANSI (ANOVA)

ANALISIS VARIANSI (ANOVA) ANALISIS VARIANSI (ANOVA) ANOVA = Analisis Varians (Anava) = Analisis Ragam = Sidi Ragam Diperenalan oleh R.A. Fisher (195) disebut uji F pengembangan dari uji t dua sampel bebas (independent samples t

Lebih terperinci

MODEL REGRESI INTERVAL DENGAN NEURAL FUZZY UNTUK MEMPREDIKSI TAGIHAN AIR PDAM

MODEL REGRESI INTERVAL DENGAN NEURAL FUZZY UNTUK MEMPREDIKSI TAGIHAN AIR PDAM MODEL REGRESI INTERVAL DENGAN NEURAL FUZZY UNTUK MEMPREDIKSI TAGIHAN AIR PDAM 1,2 Faultas MIPA, Universitas Tanjungpura e-mail: csuhery@sisom.untan.ac.id, email: dedi.triyanto@sisom.untan.ac.id Abstract

Lebih terperinci

ANALISIS DISKRIMINAN

ANALISIS DISKRIMINAN ANALISIS DISKRIMINAN I Prinsip Dasar dan Tujuan Analisis Analisis disriminan adalah salah satu teni statisti yang bisa digunaan pada hubungan dependensi (hubungan antarvariabel dimana sudah bisa dibedaan

Lebih terperinci

ANALISIS PETA KENDALI DEWMA (DOUBLE EXPONENTIALLY WEIGHTED MOVING AVERAGE)

ANALISIS PETA KENDALI DEWMA (DOUBLE EXPONENTIALLY WEIGHTED MOVING AVERAGE) Seminar Nasional Matematia dan Apliasinya, 1 Otober 17 ANALISIS PETA KENDALI DEWMA (DOUBLE EXPONENTIALLY WEIGHTED MOVING AVERAGE) DALAM PENGENDALIAN KUALITAS PRODUKSI FJLB (FINGER JOINT LAMINATING BOARD)

Lebih terperinci

3. Sebaran Peluang Diskrit

3. Sebaran Peluang Diskrit 3. Sebaran Peluang Disrit EL2002-Probabilitas dan Statisti Dosen: Andriyan B. Susmono Isi 1. Sebaran seragam (uniform) 2. Sebaran binomial dan multinomial 3. Sebaran hipergeometri 4. Sebaran Poisson 5.

Lebih terperinci

Analisis Varians = Analysis of Variance = ANOVA

Analisis Varians = Analysis of Variance = ANOVA Analisis Varians Analysis of Variance ANOVA. Pendahuluan. Distribusi F χ² pengujian beberapa (>) proporsi ANOVA pengujian beberapa (>) nilai rata-rata Dasar perhitungan ANOVA ditetapan oleh Ronald A. Fisher.

Lebih terperinci

KINETIKA REAKSI KIMIA TIM DOSEN KIMIA DASAR FTP UB 2012

KINETIKA REAKSI KIMIA TIM DOSEN KIMIA DASAR FTP UB 2012 KINETIKA REAKSI KIMIA TIM DOSEN KIMIA DASAR FTP UB Konsep Kinetia/ Laju Reasi Laju reasi menyataan laju perubahan onsentrasi zat-zat omponen reasi setiap satuan watu: V [ M ] t Laju pengurangan onsentrasi

Lebih terperinci

PELABELAN FUZZY PADA GRAF. Siti Rahmah Nurshiami, Suroto, dan Fajar Hoeruddin Universitas Jenderal Soedirman.

PELABELAN FUZZY PADA GRAF. Siti Rahmah Nurshiami, Suroto, dan Fajar Hoeruddin Universitas Jenderal Soedirman. JMP : Volume 6 Nomor, Juni 04, hal. - PELABELAN FUZZY PADA GRAF Siti Rahmah Nurshiami, Suroto, dan Fajar Hoeruddin Universitas Jenderal Soedirman email : oeytea0@gmail.com ABSTRACT. This paper discusses

Lebih terperinci

SISTEM ADAPTIF PREDIKSI PENGENALAN ISYARAT VOKAL SUARA KARAKTER

SISTEM ADAPTIF PREDIKSI PENGENALAN ISYARAT VOKAL SUARA KARAKTER SISTEM ADAPTIF PREDIKSI PENGENALAN ISYARAT VOKAL SUARA KARAKTER Pandapotan Siagian, ST, M.Eng Dosen Tetap STIKOM Dinamia Bangsa - Jambi Jalan Sudirman Theoo Jambi Abstra Sistem pengenal pola suara atau

Lebih terperinci

khazanah Sistem Klasifikasi Tipe Kepribadian dan Penerimaan Teman Sebaya Menggunakan Jaringan Syaraf Tiruan Backpropagation informatika

khazanah Sistem Klasifikasi Tipe Kepribadian dan Penerimaan Teman Sebaya Menggunakan Jaringan Syaraf Tiruan Backpropagation informatika hazanah informatia Jurnal Ilmu Komputer dan Informatia Sistem Klasifiasi Tipe Kepribadian dan Penerimaan Teman Sebaya Menggunaan Jaringan Syaraf Tiruan Bacpropagation Yusuf Dwi Santoso *, Suhartono Departemen

Lebih terperinci

khazanah Sistem Klasifikasi Tipe Kepribadian dan Penerimaan Teman Sebaya Menggunakan Jaringan Syaraf Tiruan Backpropagation informatika

khazanah Sistem Klasifikasi Tipe Kepribadian dan Penerimaan Teman Sebaya Menggunakan Jaringan Syaraf Tiruan Backpropagation informatika hazanah informatia Jurnal Ilmu Komputer dan Informatia Sistem Klasifiasi Tipe Kepribadian dan Penerimaan Teman Sebaya Menggunaan Jaringan Syaraf Tiruan Bacpropagation Yusuf Dwi Santoso *, Suhartono Program

Lebih terperinci

BAB 4 HASIL DAN PEMBAHASAN

BAB 4 HASIL DAN PEMBAHASAN BAB 4 HASIL DAN PEMBAHASAN 4.1 Hasil Pengolahan Data Data yang telah berhasil diumpulan oleh penulis di BB BIOGEN diperoleh hasil bobot biji edelai dengan jumlah varietas yang aan diuji terdiri dari 15

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Variabel Variabel ialah sesuatu yang nilainya berubah-ubah menurut watu atau berbeda menurut elemen/tempat. Umumnya nilai arateristi merupaan variabel dan diberi simbol huruf X.

Lebih terperinci

ALGORITMA PENYELESAIAN PERSAMAAN DINAMIKA LIQUID CRYSTAL ELASTOMER

ALGORITMA PENYELESAIAN PERSAMAAN DINAMIKA LIQUID CRYSTAL ELASTOMER ALGORITMA PENYELESAIAN PERSAMAAN DINAMIKA LIQUID CRYSTAL ELASTOMER Oleh: Supardi SEKOLAH PASCA SARJANA JURUSAN ILMU FISIKA UNIVERSITAS NEGERI YOGYAKARTA 2012 1 PENDAHULUAN Liquid Crystal elastomer (LCE

Lebih terperinci

APLIKASI PREDIKSI HARGA SAHAM MENGGUNAKAN JARINGAN SYARAF RADIAL BASIS FUNCTION DENGAN METODE PEMBELAJARAN HYBRID

APLIKASI PREDIKSI HARGA SAHAM MENGGUNAKAN JARINGAN SYARAF RADIAL BASIS FUNCTION DENGAN METODE PEMBELAJARAN HYBRID APLIKASI PREDIKSI HARGA SAHAM MENGGUNAKAN JARINGAN SYARAF RADIAL BASIS FUNCTION DENGAN METODE PEMBELAJARAN HYBRID Ferry Tan, Giovani Gracianti, Susanti, Steven, Samuel Luas Jurusan Teni Informatia, Faultas

Lebih terperinci

BAB III PENENTUAN HARGA PREMI, FUNGSI PERMINTAAN, DAN TITIK KESETIMBANGANNYA

BAB III PENENTUAN HARGA PREMI, FUNGSI PERMINTAAN, DAN TITIK KESETIMBANGANNYA BAB III PENENTUAN HARGA PREMI, FUNGSI PERMINTAAN, DAN TITIK KESETIMBANGANNYA Pada penelitian ini, suatu portfolio memilii seumlah elas risio. Tiap elas terdiri dari n, =,, peserta dengan umlah besar, dan

Lebih terperinci

Penentuan Nilai Ekivalensi Mobil Penumpang Pada Ruas Jalan Perkotaan Menggunakan Metode Time Headway

Penentuan Nilai Ekivalensi Mobil Penumpang Pada Ruas Jalan Perkotaan Menggunakan Metode Time Headway Rea Racana Jurnal Online Institut Tenologi Nasional Teni Sipil Itenas No.x Vol. Xx Agustus 2015 Penentuan Nilai Eivalensi Mobil Penumpang Pada Ruas Jalan Perotaan Menggunaan Metode Time Headway ENDI WIRYANA

Lebih terperinci

PENENTUAN FAKTOR KALIBRASI ACCELEROMETER MMA7260Q PADA KETIGA SUMBU

PENENTUAN FAKTOR KALIBRASI ACCELEROMETER MMA7260Q PADA KETIGA SUMBU PENENTUAN FAKTOR KALIBRASI ACCELEROMETER MMA7260Q PADA KETIGA SUMBU Wahyudi 1, Adhi Susanto 2, Sasongo P. Hadi 2, Wahyu Widada 3 1 Jurusan Teni Eletro, Faultas Teni, Universitas Diponegoro, Tembalang,

Lebih terperinci

IDENTIFIKASI PERUBAHAN POLA CURAH HUJAN MELALUI PERIODOGRAM STANDAR. Gumgum Darmawan Statistika FMIPA UNPAD

IDENTIFIKASI PERUBAHAN POLA CURAH HUJAN MELALUI PERIODOGRAM STANDAR. Gumgum Darmawan Statistika FMIPA UNPAD JMP : Vol. 9 No. 1, Juni 17, hal. 13-11 ISSN 85-1456 IDENTIFIKASI PERUBAHAN POLA CURAH HUJAN MELALUI PERIODOGRAM STANDAR Gumgum Darmawan Statistia FMIPA UNPAD gumgum@unpad.ac.id Budhi Handoo Statistia

Lebih terperinci

III. METODOLOGI PENELITIAN. Penelitian ini menggunakan data sekunder bersifat runtun waktu (time series)

III. METODOLOGI PENELITIAN. Penelitian ini menggunakan data sekunder bersifat runtun waktu (time series) III. METODOLOGI PENELITIAN A. Jenis dan Sumber Data Penelitian ini menggunaan data seunder bersifat runtun watu (time series) dalam periode tahunan dan data antar ruang (cross section). Data seunder tersebut

Lebih terperinci

PEBANDINGAN METODE ROBUST MCD-LMS, MCD-LTS, MVE-LMS, DAN MVE-LTS DALAM ANALISIS REGRESI KOMPONEN UTAMA

PEBANDINGAN METODE ROBUST MCD-LMS, MCD-LTS, MVE-LMS, DAN MVE-LTS DALAM ANALISIS REGRESI KOMPONEN UTAMA PEBANDINGAN METODE ROBUST MCD-LMS, MCD-LTS, MVE-LMS, DAN MVE-LTS DALAM ANALISIS REGRESI KOMPONEN UTAMA Sear Wulandari, Nur Salam, dan Dewi Anggraini Program Studi Matematia Universitas Lambung Mangurat

Lebih terperinci

Penerapan Sistem Persamaan Lanjar untuk Merancang Algoritma Kriptografi Klasik

Penerapan Sistem Persamaan Lanjar untuk Merancang Algoritma Kriptografi Klasik Penerapan Sistem Persamaan Lanjar untu Merancang Algoritma Kriptografi Klasi Hendra Hadhil Choiri (135 08 041) Program Studi Teni Informatia Seolah Teni Eletro dan Informatia Institut Tenologi Bandung,

Lebih terperinci

SATUAN ACARA PERKULIAHAN ( SAP )

SATUAN ACARA PERKULIAHAN ( SAP ) SATUAN ACARA PERKULIAHAN ( SAP ) Mata Kuliah : Pengolahan Citra Digital Kode : IES 6323 Semester : VI Watu : 1x 3x 50 Menit Pertemuan : 7 A. Kompetensi 1. Utama Mahasiswa dapat memahami tentang sistem

Lebih terperinci

Perhitungan Kehilangan Pratekan Total dengan Memakai Teori Kemungkinan ABSTRAK

Perhitungan Kehilangan Pratekan Total dengan Memakai Teori Kemungkinan ABSTRAK Jurnal APLIKASI Volume 5, Nomor 1, Agustus 2008 Perhitungan Kehilangan Pratean Total dengan Memaai Teori Kemunginan M. Sigit Darmawan Dosen Jurusan Diploma Teni Sipil, FTSP - ITS Email: msdarmawan@ce.its.ac.id

Lebih terperinci

SUATU KLAS BILANGAN BULAT DAN PERANNYA DALAM MENGKONSTRUKSI BILANGAN PRIMA

SUATU KLAS BILANGAN BULAT DAN PERANNYA DALAM MENGKONSTRUKSI BILANGAN PRIMA SUATU KLAS BILANGAN BULAT DAN PERANNYA DALAM MENGKONSTRUKSI BILANGAN PRIMA I Nengah Suparta dan I. B. Wiasa Jurusan Pendidian MatematiaUniversitas Pendidian Ganesha E-mail: isuparta@yahoo.com ABSTRAK:

Lebih terperinci

Analisis Pengaruh Kualitas Pelayanan Terhadap Loyalitas Pelanggan Jasa Pengiriman Pos Kilat Khusus

Analisis Pengaruh Kualitas Pelayanan Terhadap Loyalitas Pelanggan Jasa Pengiriman Pos Kilat Khusus Jurnal Teni Industri, Vol.1, No., Juni 013, pp.96-101 ISSN 30-495X Analisis Pengaruh Kualitas Pelayanan Terhadap Loyalitas Pelanggan Jasa Pengiriman Pos Kilat Khusus Apriyani 1, Shanti Kirana Anggaraeni,

Lebih terperinci

HUBUNGAN PENERAPAN KAWASAN TANPA ROKOK (KTR) DENGAN PERILAKU MEROKOK MAHASISWA KESEHATAN MASYARAKAT DI KOTA SEMARANG

HUBUNGAN PENERAPAN KAWASAN TANPA ROKOK (KTR) DENGAN PERILAKU MEROKOK MAHASISWA KESEHATAN MASYARAKAT DI KOTA SEMARANG Volume, Nomor, Juli 6 (ISSN: 56-6) HUBUNGAN PENERAPAN KAWASAN TANPA ROKOK (KTR) DENGAN PERILAKU MEROKOK MAHASISWA KESEHATAN MASYARAKAT DI KOTA SEMARANG Firnanda Zia Azmi *) Tinu Istiarti **) Kusyogo Cahyo

Lebih terperinci

Metode Penggerombolan Berhirarki

Metode Penggerombolan Berhirarki 4 TINJAUAN PUSTAKA Analisis gerombol dalam bidang riset pemasaran sering diistilahan sebagai analisis segmentasi, merupaan alat statistia peubah ganda yang bertujuan untu mengelompoan n indiidu data e

Lebih terperinci

PENCARIAN JALUR TERPENDEK MENGGUNAKAN ALGORITMA SEMUT

PENCARIAN JALUR TERPENDEK MENGGUNAKAN ALGORITMA SEMUT Seminar Nasional Apliasi Tenologi Informasi 2007 (SNATI 2007) ISSN: 1907-5022 Yogyaarta, 16 Juni 2007 PENCARIAN JALUR TERPENDEK MENGGUNAKAN ALGORITMA SEMUT I ing Mutahiroh, Indrato, Taufiq Hidayat Laboratorium

Lebih terperinci

RINGKASAN SKRIPSI MODUL PERKALIAN

RINGKASAN SKRIPSI MODUL PERKALIAN RINGKASAN SKRIPSI MODUL PERKALIAN SAMSUL ARIFIN 04/177414/PA/09899 DEPARTEMEN PENDIDIKAN NASIONAL UNIVERSITAS GADJAH MADA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM YOGYAKARTA 2008 HALAMAN PENGESAHAN

Lebih terperinci

Sah Tidaknya Sidik Ragam. Data Bermasalah. Data Bermasalah PERANCANGAN PERCOBAAN (DATA BERMASALAH)

Sah Tidaknya Sidik Ragam. Data Bermasalah. Data Bermasalah PERANCANGAN PERCOBAAN (DATA BERMASALAH) Sah Tidanya Sidi Ragam PERANCANGAN PERCOBAAN (DATA BERMASALAH) Oleh: Dr. Ir. Dirvamena Boer, M.Sc.Agr. HP: 081 385 065 359 Universitas Haluoleo, Kendari dirvamenaboer@yahoo.com http://dirvamenaboer.tripod.com/

Lebih terperinci

VI. PEMILIHAN MODA (Modal Split/Choice)

VI. PEMILIHAN MODA (Modal Split/Choice) VI. PEMILIHAN MODA (Modal Split/Choice) 6.. UMUM Tujuan: Mengetahui proporsi pengaloasian perjalanan e berbagai moda transportasi. Ada dua emunginan situasi yang dihadapi dalam meramal pemilihan moda:

Lebih terperinci

Makalah Seminar Tugas Akhir

Makalah Seminar Tugas Akhir Maalah Seminar Tugas Ahir PENDETEKSI POSISI MENGGUNAKAN SENSOR ACCELEROMETER MMA7260Q BERBASIS MIKROKONTROLER ATMEGA 32 Muhammad Riyadi Wahyudi, ST., MT. Iwan Setiawan, ST., MT. Abstract Currently, determining

Lebih terperinci

Modifikasi ACO untuk Penentuan Rute Terpendek ke Kabupaten/Kota di Jawa

Modifikasi ACO untuk Penentuan Rute Terpendek ke Kabupaten/Kota di Jawa 187 Modifiasi ACO untu Penentuan Rute Terpende e Kabupaten/Kota di Jawa Ahmad Jufri, Sunaryo, dan Purnomo Budi Santoso Abstract This research focused on modification ACO algorithm. The purpose of this

Lebih terperinci

UJI BARTLETT. Elty Sarvia, ST., MT. Fakultas Teknik Jurusan Teknik Industri Universitas Kristen Maranatha Bandung. Scheffe Multiple Contrast Procedure

UJI BARTLETT. Elty Sarvia, ST., MT. Fakultas Teknik Jurusan Teknik Industri Universitas Kristen Maranatha Bandung. Scheffe Multiple Contrast Procedure 8/9/01 UJI TUKEY UJI DUNCAN UJI BARTLETT UJI COCHRAN UJI DUNNET Elty Sarvia, ST., MT. Faultas Teni Jurusan Teni Industri Universitas Kristen Maranatha Bandung Macam Metode Post Hoc Analysis The Fisher

Lebih terperinci

PERBANDINGAN PERFORMANSI ALGORITMA GENETIKA DAN ALGORITMA SEMUT UNTUK PENYELESAIAN SHORTEST PATH PROBLEM

PERBANDINGAN PERFORMANSI ALGORITMA GENETIKA DAN ALGORITMA SEMUT UNTUK PENYELESAIAN SHORTEST PATH PROBLEM Seminar Nasional Sistem dan Informatia 2007; Bali, 16 November 2007 PERBANDINGAN PERFORMANSI ALGORITMA GENETIKA DAN ALGORITMA SEMUT UNTUK PENYELESAIAN SHORTEST PATH PROBLEM Fajar Saptono 1) I ing Mutahiroh

Lebih terperinci

OSN 2014 Matematika SMA/MA

OSN 2014 Matematika SMA/MA Soal 5. Suatu barisan bilangan asli a 1, a 2, a 3,... memenuhi a + a l = a m + a n untu setiap bilangan asli, l, m, n dengan l = mn. Jia m membagi n, butian bahwa a m a n. Solusi. Andaian terdapat bilangan

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 6 BAB 2 LANDASAN TEORI 2.1 Penjadwalan 2.1.1 Jadwal Secara Umum Menurut Kamus Besar Bahasa Indonesia (KBBI), jadwal adalah pembagian watu berdasaran rencana pengaturan urutan erja, daftar atau tabel egiatan

Lebih terperinci

DESKRIPSI SISTEM ANTRIAN PADA BANK SULUT MANADO

DESKRIPSI SISTEM ANTRIAN PADA BANK SULUT MANADO DESKRIPSI SISTEM ANTRIAN PADA BANK SULUT MANADO 1 Selvia Hana, Tohap Manurung 1 Jurusan Matematia, FMIPA, Universitas Sam Ratulangi Jurusan Matematia, FMIPA, Universitas Sam Ratulangi Abstra Antrian merupaan

Lebih terperinci

mungkin muncul adalah GA, GG, AG atau AA dengan peluang masing-masing

mungkin muncul adalah GA, GG, AG atau AA dengan peluang masing-masing . DISTRIUSI INOMIL pabila sebuah oin mata uang yang memilii dua sisi bertulisan ambar () dan nga () dilempar satu ali, maa peluang untu mendapatan sisi ambar adalah,5 atau. pabila oin tersebut dilempar

Lebih terperinci

PEMANFAATAN METODE HEURISTIK DALAM PENCARIAN JALUR TERPENDEK DENGAN ALGORITMA SEMUT DAN ALGORITMA GENETIKA

PEMANFAATAN METODE HEURISTIK DALAM PENCARIAN JALUR TERPENDEK DENGAN ALGORITMA SEMUT DAN ALGORITMA GENETIKA PEMANFAATAN METODE HEURISTIK DALAM PENCARIAN JALUR TERPENDEK DENGAN ALGORITMA SEMUT DAN ALGORITMA GENETIKA Iing Mutahiroh, Fajar Saptono, Nur Hasanah, Romi Wiryadinata Laboratorium Pemrograman dan Informatia

Lebih terperinci

KONTROL MOTOR PID DENGAN KOEFISIEN ADAPTIF MENGGUNAKAN ALGORITMA SIMULTANEOUS PERTURBATION

KONTROL MOTOR PID DENGAN KOEFISIEN ADAPTIF MENGGUNAKAN ALGORITMA SIMULTANEOUS PERTURBATION Konferensi Nasional Sistem dan Informatia 29; Bali, November 14, 29 KONTROL MOTOR PID DENGAN KOEFISIEN ADAPTIF MENGGUNAKAN ALGORITMA SIMULTANEOUS PERTURBATION Sofyan Tan, Lie Hian Universitas Pelita Harapan,

Lebih terperinci

MATA KULIAH MATEMATIKA TEKNIK 2 [KODE/SKS : KD / 2 SKS] Ruang Vektor

MATA KULIAH MATEMATIKA TEKNIK 2 [KODE/SKS : KD / 2 SKS] Ruang Vektor MATA KULIAH MATEMATIKA TEKNIK [KODE/SKS : KD4 / SKS] Ruang Vetor FIELD: Ruang vetor V atas field salar K adalah himpunan ta osong dengan operasi penjumlahan vetor dan peralian salar. Himpunan ta osong

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belaan Perembanan dunia perbanan yan disertai denan meninatnya omplesitas ativitas perbanan semain memperteas pentinnya tata elola perusahaan yan sehat (ood corporate overnance)

Lebih terperinci

MODEL MATEMATIKA KONSENTRASI OKSIGEN TERLARUT PADA EKOSISTEM PERAIRAN DANAU

MODEL MATEMATIKA KONSENTRASI OKSIGEN TERLARUT PADA EKOSISTEM PERAIRAN DANAU MDEL MATEMATIKA KNSENTRASI KSIGEN TERLARUT PADA EKSISTEM PERAIRAN DANAU Sutimin Jurusan Matematia, FMIPA Universitas Diponegoro Jl. Prof. H. Soedarto SH Tembalang, Semarang 5075 E-mail: su_timin@yanoo.com

Lebih terperinci

PEMODELAN IPM PROVINSI JAWA TIMUR, JAWA TENGAH, JAWA BARAT DAN SUMATERA UTARA DENGAN METODE REGRESI LOGISTIK ORDINAL

PEMODELAN IPM PROVINSI JAWA TIMUR, JAWA TENGAH, JAWA BARAT DAN SUMATERA UTARA DENGAN METODE REGRESI LOGISTIK ORDINAL PEMODELAN IPM PROVINSI AWA IMUR, AWA ENGAH, AWA BARA DAN SUMAERA UARA DENGAN MEODE REGRESI LOGISIK ORDINAL Citra Fatimah Nur dan Purhadi Mahasiswa urusan Statistia, Institut enologi Sepuluh Nopember Kampus

Lebih terperinci

BAB 5 RUANG VEKTOR UMUM. Dr. Ir. Abdul Wahid Surhim, MT.

BAB 5 RUANG VEKTOR UMUM. Dr. Ir. Abdul Wahid Surhim, MT. BAB 5 RUANG VEKTOR UMUM Dr. Ir. Abdul Wahid Surhim, MT. KERANGKA PEMBAHASAN. Ruang Vetor Nyata. Subruang. Kebebasan Linier 4. Basis dan Dimensi 5. Ruang Baris, Ruang Kolom dan Ruang Nul 6. Ran dan Nulitas

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2.1. Sistem Kendali Lup [1] Sistem endali dapat diataan sebagai hubungan antara omponen yang membentu sebuah onfigurasi sistem, yang aan menghasilan tanggapan sistem yang diharapan.

Lebih terperinci

PERHITUNGAN KEHILANGAN PRATEKAN (LOSS OF PRESTRESS) AKIBAT SUSUT DAN RANGKAK PADA BETON DENGAN MEMPERHITUNGKAN VARIABILITAS SIFAT-SIFAT BETON

PERHITUNGAN KEHILANGAN PRATEKAN (LOSS OF PRESTRESS) AKIBAT SUSUT DAN RANGKAK PADA BETON DENGAN MEMPERHITUNGKAN VARIABILITAS SIFAT-SIFAT BETON PERHITUNGAN KEHILANGAN PRATEKAN (LOSS OF PRESTRESS) AKIBAT SUSUT DAN RANGKAK PADA BETON DENGAN MEMPERHITUNGKAN VARIABILITAS SIFAT-SIFAT BETON M. Sigit Darmawan Dosen Diploma Teni Sipil ITS Email: msdarmawan@ce.its.ac.id

Lebih terperinci

Studi Perbandingan Perpindahan Panas Menggunakan Metode Beda Hingga dan Crank-Nicholson

Studi Perbandingan Perpindahan Panas Menggunakan Metode Beda Hingga dan Crank-Nicholson 1 Studi Perbandingan Perpindahan Panas Menggunaan Metode Beda Hingga dan Cran-Nicholson Durmin, Drs. Luman Hanafi, M.Sc Jurusan Matematia, Faultas Matematia dan Ilmu Pengetahuan Alam, Institut Tenologi

Lebih terperinci

METODE TAGUCHI UNTUK OPTIMALISASI PRODUK PADA RANCANGAN FAKTORIAL. Staf Pengajar Program Studi Statistika FMIPA UNDIP

METODE TAGUCHI UNTUK OPTIMALISASI PRODUK PADA RANCANGAN FAKTORIAL. Staf Pengajar Program Studi Statistika FMIPA UNDIP Optimalisasi Produ (Triastuti Wuryandari) METODE TAGUCHI UNTUK OPTIMALISASI PRODUK PADA RANCANGAN FAKTORIAL Triastuti Wuryandari 1, Tati Widiharih 2, Sayeti Dewi Anggraini 3 1,2 Staf Pengajar Program Studi

Lebih terperinci

( x) LANDASAN TEORI. ω Ω ke satu dan hanya satu bilangan real X( ω ) disebut peubah acak. Ρ = Ρ. Ruang Contoh, Kejadian dan Peluang

( x) LANDASAN TEORI. ω Ω ke satu dan hanya satu bilangan real X( ω ) disebut peubah acak. Ρ = Ρ. Ruang Contoh, Kejadian dan Peluang LANDASAN TEORI Ruang Contoh Kejadian dan Peluang Suatu percobaan yang dapat diulang dalam ondisi yang sama yang hasilnya tida dapat dipredisi secara tepat tetapi ita dapat mengetahui semua emunginan hasil

Lebih terperinci

KAJIAN METODE BERBASIS MODEL PADA ANALISIS KELOMPOK DENGAN PERANGKAT LUNAK MCLUST

KAJIAN METODE BERBASIS MODEL PADA ANALISIS KELOMPOK DENGAN PERANGKAT LUNAK MCLUST KAJIAN METODE BERBASIS MODEL PADA ANALISIS KELOMPOK DENGAN PERANGKAT LUNAK MCLUST Timbul Pardede (timbul@mail.ut.ac.id) Jurusan Statisti FMIPA, Universitas Terbua ABSTRAK Metode Ward dan metode K-rataan

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA 2.1 Penelitian Terdahulu Penelitian yang aan dilauan meruju epada beberapa penelitian terdahulu yang sudah pernah dilauan sebelumnya, diantaranya: 1. I Gst. Bgs. Wisuana (2009)

Lebih terperinci

Kata Kunci : Multipath, LOS, N-LOS, Network Analyzer, IFFT, PDP. 1. Pendahuluan

Kata Kunci : Multipath, LOS, N-LOS, Network Analyzer, IFFT, PDP. 1. Pendahuluan Statisti Respon Kanal Radio Dalam Ruang Pada Freuensi,6 GHz Christophorus Triaji I, Gamantyo Hendrantoro, Puji Handayani Institut Tenologi Sepuluh opember, Faultas Tenologi Industri, Jurusan Teni Eletro

Lebih terperinci

Pendekatan Regresi Nonparametrik Spline Untuk Pemodelan Laju Pertumbuhan Ekonomi (LPE) di Jawa Timur

Pendekatan Regresi Nonparametrik Spline Untuk Pemodelan Laju Pertumbuhan Ekonomi (LPE) di Jawa Timur JURNAL SAINS DAN SENI POMITS Vol., No., (0) -50 (0-9X Print) D- Pendeatan Regresi Nonparametri Spline Untu Pemodelan Laju Pertumbuhan Eonomi (LPE) di Jawa Timur Elfrida Kurnia Litawati dan I Nyoman Budiantara

Lebih terperinci

STUDI PENYELESAIAN PROBLEMA MIXED INTEGER LINIER PROGRAMMING DENGAN MENGGUNAKAN METODE BRANCH AND CUT OLEH : RISTA RIDA SINURAT

STUDI PENYELESAIAN PROBLEMA MIXED INTEGER LINIER PROGRAMMING DENGAN MENGGUNAKAN METODE BRANCH AND CUT OLEH : RISTA RIDA SINURAT TUGAS AKHIR STUDI PENYELESAIAN PROBLEMA MIXED INTEGER LINIER PROGRAMMING DENGAN MENGGUNAKAN METODE BRANCH AND CUT OLEH : RISTA RIDA SINURAT 040803023 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU

Lebih terperinci